To enable large-scale Internet of Things (IoT) deployment, Low-power wide-area networking (LPWAN) has attracted a lot of research attention with the design objectives of low-power consumption, wide-area coverage, and low cost. In particular, long battery lifetime is central to these technologies since many of the IoT devices will be deployed in hard-toaccess locations. Prediction of the battery lifetime depends on the accurate modelling of power consumption. This paper presents detailed power consumption models for two cellular IoT technologies: Narrowband Internet of Things (NB-IoT) and Long Term Evolution for Machines (LTE-M). A comprehensive power consumption model based on User Equipment (UE) states and procedures for device battery lifetime estimation is presented. An IoT device power measurement testbed has been setup and the proposed model has been validated via measurements with different coverage scenarios and traffic configurations, achieving the modelling inaccuracy within 5%. The resulting estimated battery lifetime is promising, showing that the 10-year battery lifetime requirement specified by 3GPP can be met with proper configuration of traffic profile, transmission, and network parameters.


翻译:为使大型物联网(IoT)能够进行大规模安装,低功率广域联网(LPWAN)吸引了大量的研究关注,其设计目标是低电消耗、广域覆盖和低成本。特别是,由于许多IoT装置将部署在难以进入的地点,电池寿命长是这些技术的核心,因为许多IoT装置将部署在难以进入的地点。电池寿命的预测取决于准确的电耗建模。本文介绍了两种蜂窝IoT技术的详细电耗模型:窄带物互联网(NB-IoT)和机器长期演变(LTE-M)。根据用户设备(UE)的状态和对设备电池寿命估计的程序,提出了一个综合电耗模型。一个IoT装置电量测试台已经安装完毕,拟议模型已经通过不同覆盖情景和交通配置的测量得到验证,从而在5%的范围内实现模型不准确性。由此得出的电池寿命估计很有希望,表明3GPP规定的10年电池寿命要求能够与交通状况、传输和网络参数的适当配置相匹配。

0
下载
关闭预览

相关内容

专知会员服务
15+阅读 · 2021年5月21日
专知会员服务
81+阅读 · 2021年5月10日
TensorFlowLite:端侧机器学习框架
专知会员服务
32+阅读 · 2020年8月27日
一份简单《图神经网络》教程,28页ppt
专知会员服务
123+阅读 · 2020年8月2日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
Windows 提权-快速查找 Exp
黑白之道
3+阅读 · 2019年1月23日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Semantics of Data Mining Services in Cloud Computing
Arxiv
4+阅读 · 2018年10月5日
VIP会员
相关VIP内容
相关资讯
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
Windows 提权-快速查找 Exp
黑白之道
3+阅读 · 2019年1月23日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Top
微信扫码咨询专知VIP会员